Please use this identifier to cite or link to this item:
http://hdl.handle.net/11701/4085
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Терехов Андрей Николаевич | ru_RU |
dc.contributor.author | Черняев Арсений Витальевич | ru_RU |
dc.contributor.author | Cherniaev Arsenii | en_GB |
dc.contributor.editor | Доктор физико-математических наук, профессор А.Н.Терехов | ru_RU |
dc.contributor.editor | Doctor of Physics and Mathematics, Professor A.N.Terekhov | en_GB |
dc.date.accessioned | 2016-10-10T02:12:04Z | - |
dc.date.available | 2016-10-10T02:12:04Z | - |
dc.date.issued | 2016 | |
dc.identifier.other | 010942 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/4085 | - |
dc.description.abstract | Определение разработчика, который будет заниматься новым сообщением о неисправности программного обеспечения - важная задача, которую необходимо решать в системе отслеживания ошибок. Для крупного проекта возможны ситуации, в которых в систему за день может приходить большое количество новых сообщений, что делает процесс ручного определения очень трудоемким. В данной работе рассматривалась возможность применения методов машинного обучения для автоматизации данного процесса на примере набора данных об исключительных ситуациях проекта ReSharper. Были рассмотрены и сравнены между собой различные способы подготовки данных, методы предсказания и методы улучшения результата. На основе полученных результатов был реализован модуль-предсказатель, использующий метод логистической регрессии. | ru_RU |
dc.description.abstract | Assigning bug to the developer is an important task for bug tracking system. In a big project there may be situations in which large number of new messages can be sent to the system during short period of time, which makes the process of manual determination of responsible developer for all new reports labour-intensive. In this paper we consider the possibility of applying machine learning techniques to automate this process for the data set of ReSharper exception reports. Different methods of data preparation, prediction and improvement were examined and compared. On the basis of the results prediction module was implemented. | en_GB |
dc.language.iso | ru | |
dc.subject | Машинное обучение | ru_RU |
dc.subject | системы отслеживания ошибок | ru_RU |
dc.subject | назначение разработчика | ru_RU |
dc.subject | исключительные ситуации | ru_RU |
dc.subject | Machine learning | en_GB |
dc.subject | bug tracking systems | en_GB |
dc.subject | bug assignment | en_GB |
dc.subject | exceptions | en_GB |
dc.title | Application of machine learning algorithms to bug tracking systems | en_GB |
dc.title.alternative | Применение методов машинного обучения в системах отслеживания ошибок программного обеспечения | ru_RU |
Appears in Collections: | BACHELOR STUDIES |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Diploma_Chernyaev.pdf | Article | 161,08 kB | Adobe PDF | View/Open |
reviewSV_Chernyaev_444_advisor_review.pdf | ReviewSV | 106,49 kB | Adobe PDF | View/Open |
reviewSV_st003585_Terexov_Andrej_Nikolaevich_(supervisor)(Ru).txt | ReviewSV | 2,59 kB | Text | View/Open |
reviewSV_Chernyaev_444_reviewer_review.pdf | ReviewRev | 103,07 kB | Adobe PDF | View/Open |
reviewSV_st003585_Terexov_Andrej_Nikolaevich_(reviewer)(Ru).txt | ReviewRev | 2,15 kB | Text | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.